アリババ、大規模モデルのコードリファクタリングに対する不安を軽減するため「Page Agent」をオープンソース化
ブラウザ自動化開発という長い道のりにおいて、開発者はしばしば「車輪の再発明」を余儀なくされています。複雑なスクリーンキャプチャを使ってウェブページを「認識」したり、低レベルのプロトコルに依存して操作を強制したりするといった手法は、動的に変化するウェブ構造に対応しきれないことがよくあります。 最近、アリババは「Page Agent」というJavaScriptクライアントライブラリをオープンソース化し、この業界の課題に対する新たなアプローチを提示しました。これは、外部からWebページを強引に解析するのではなく、大規模なモデルがWebページの内部DOM構造を直接「理解」できるようにするものです。
Page Agentの中核となる技術的革新は「DOM脱水(DOM dehydration)」です。従来のソリューションでは、Webページのスクリーンショットを撮影し、AIによる認識のためにマルチモーダル分析を行う必要がありましたが、これはコストがかかるだけでなく、重要なインタラクション情報が失われやすいという課題がありました。 Page Agentは異なるアプローチを採用しており、Webページ内で直接実行され、複雑なDOMツリーを軽量な「FlatDomTree」というプレーンテキストのマッピングに圧縮します。 このプロセスは、AI 向けに高精度なインタラクションマップを描くようなものです。モデルは複雑な視覚的レンダリングを処理する必要がなく、この簡略化された構造マッピングを用いて、ボタンのクリックやフォームへの入力といった難易度の高い操作を正確に実行できます。

開発者にとって、Page Agentの「組み込み型」設計は大きな利便性をもたらします。Web環境内で直接動作するため、すべてのクッキー、セッション状態、ログイン認証情報を自然に継承し、バックエンドでの複雑な認証処理の煩わしさを解消します。 このプロジェクトは互換性の高いオープンな設計を採用しており、標準インターフェースをサポートするあらゆる大規模言語モデルとシームレスに統合可能です。SaaS製品のインテリジェントコパイロット、自動データ収集、Webアプリケーションのアクセシビリティ向上といったシナリオにおいて、Page Agentは効率的で費用対効果の高い代替手段を提供します。

もちろん、Page Agentが万能の解決策というわけではありません。開発チームはオープンソースのドキュメントの中で、このライブラリは現時点では単一ページ内での効率的なインタラクションに重点を置いていることを明確に述べています。 さらに、決済やデータの改ざんなど、高度なセキュリティが求められる機密性の高い操作を扱う場合、開発者は依然としてサーバー側で厳格なロジック検証を実装する必要があります。システムの安定性を確保するため、Page Agentは設計上、プロンプトによってトリガーされる権限制御メカニズムを採用しており、自動化されたプロセスに対して予備的なセキュリティバリアを構築しています。

現在、Page AgentはGitHub上でMITライセンスのもと、正式にオープンソース化されています。 このツールのリリースにより、開発者は高額なマルチモーダルコンピューティングのコストに完全に別れを告げ、より実用的なエンジニアリング手法を用いて、真に「ウェブを認識する」インテリジェントエージェントをアプリケーションに組み込むことが期待されます。これはまた、AIによるWeb自動化技術が、軽量化と普及という新たな段階に入っていることを示しています。
関連記事
韓国、国家AI計算センターの起工式を実施、2.5兆ウォンを投資し2028年の完成を目指す
韓国のアウトレッツ、EtNewsの報道によると、全羅南道順天のソラーシティデータセンターパークで、8月3日に韓国AI計算センター(KOACC)の起工式が行われた。総投資額2.5兆ウォン(約118億3800万元)を背景に、この施設は2028年の運用開始を目指しており、これまでに韓国がAIインフラに対して行った国家投資の中で最も大規模なものの一つとなっている。プロジェクトの株式配分は、政府と企業の深い連携を推進する戦略的な取り組みを示している。サムスンSDSが30%の株式を持つ最大株主として主導し
Linux財団を支援する6つのテックジャイアント、AI脆弱性のノイズに対処するために1,250万ドルを拠出
AI自動化ツールによって生成される低品質なセキュリティレポートの洪水に対処するため、Anthropic、Amazon(AWS)、GitHub、Google、Microsoft、OpenAIの6大テック企業が、Linux Foundationのイニシアチブに対して総額1250万ドルの資金を提供しました。この投資は、オープンソースソフトウェア(FOSS)のメンテナーが手動でのスクリーニングという負担から解放され、本格的なセキュリティ脅威に集中できることを目的としています。AI技術が脆弱性発見のハー
アルトマン証言の中で、マスクはOpenAIを子供たちに譲ることを検討した
今朝、OpenAIのCEOサム・アルトマン氏は、同社の企業構造に異議を唱える元共同創設者エロン・マスク氏の訴訟に対応するため証言台に立った。「営利子会社を設立してAI搭載製品を市場に出すことで、他の創設者たちが『慈善団体を盗んだ』」というマスク氏の主張について問われると、アルトマン氏は明らかなためらいを示して応答した。「その枠組みを処理するのは難しい」と、アルトマン氏は一時の間を置いて語った。「私たちは世界最大の慈善団体の一つを設立した。財団は素晴らしい活動を行っており、今後もさらに多くのこ
関連特集おすすめ
コメント (0)
0/500
ブラウザ自動化開発という長い道のりにおいて、開発者はしばしば「車輪の再発明」を余儀なくされています。複雑なスクリーンキャプチャを使ってウェブページを「認識」したり、低レベルのプロトコルに依存して操作を強制したりするといった手法は、動的に変化するウェブ構造に対応しきれないことがよくあります。 最近、アリババは「Page Agent」というJavaScriptクライアントライブラリをオープンソース化し、この業界の課題に対する新たなアプローチを提示しました。これは、外部からWebページを強引に解析するのではなく、大規模なモデルがWebページの内部DOM構造を直接「理解」できるようにするものです。
Page Agentの中核となる技術的革新は「DOM脱水(DOM dehydration)」です。従来のソリューションでは、Webページのスクリーンショットを撮影し、AIによる認識のためにマルチモーダル分析を行う必要がありましたが、これはコストがかかるだけでなく、重要なインタラクション情報が失われやすいという課題がありました。 Page Agentは異なるアプローチを採用しており、Webページ内で直接実行され、複雑なDOMツリーを軽量な「FlatDomTree」というプレーンテキストのマッピングに圧縮します。 このプロセスは、AI 向けに高精度なインタラクションマップを描くようなものです。モデルは複雑な視覚的レンダリングを処理する必要がなく、この簡略化された構造マッピングを用いて、ボタンのクリックやフォームへの入力といった難易度の高い操作を正確に実行できます。

開発者にとって、Page Agentの「組み込み型」設計は大きな利便性をもたらします。Web環境内で直接動作するため、すべてのクッキー、セッション状態、ログイン認証情報を自然に継承し、バックエンドでの複雑な認証処理の煩わしさを解消します。 このプロジェクトは互換性の高いオープンな設計を採用しており、標準インターフェースをサポートするあらゆる大規模言語モデルとシームレスに統合可能です。SaaS製品のインテリジェントコパイロット、自動データ収集、Webアプリケーションのアクセシビリティ向上といったシナリオにおいて、Page Agentは効率的で費用対効果の高い代替手段を提供します。

もちろん、Page Agentが万能の解決策というわけではありません。開発チームはオープンソースのドキュメントの中で、このライブラリは現時点では単一ページ内での効率的なインタラクションに重点を置いていることを明確に述べています。 さらに、決済やデータの改ざんなど、高度なセキュリティが求められる機密性の高い操作を扱う場合、開発者は依然としてサーバー側で厳格なロジック検証を実装する必要があります。システムの安定性を確保するため、Page Agentは設計上、プロンプトによってトリガーされる権限制御メカニズムを採用しており、自動化されたプロセスに対して予備的なセキュリティバリアを構築しています。

現在、Page AgentはGitHub上でMITライセンスのもと、正式にオープンソース化されています。 このツールのリリースにより、開発者は高額なマルチモーダルコンピューティングのコストに完全に別れを告げ、より実用的なエンジニアリング手法を用いて、真に「ウェブを認識する」インテリジェントエージェントをアプリケーションに組み込むことが期待されます。これはまた、AIによるWeb自動化技術が、軽量化と普及という新たな段階に入っていることを示しています。
韓国、国家AI計算センターの起工式を実施、2.5兆ウォンを投資し2028年の完成を目指す
韓国のアウトレッツ、EtNewsの報道によると、全羅南道順天のソラーシティデータセンターパークで、8月3日に韓国AI計算センター(KOACC)の起工式が行われた。総投資額2.5兆ウォン(約118億3800万元)を背景に、この施設は2028年の運用開始を目指しており、これまでに韓国がAIインフラに対して行った国家投資の中で最も大規模なものの一つとなっている。プロジェクトの株式配分は、政府と企業の深い連携を推進する戦略的な取り組みを示している。サムスンSDSが30%の株式を持つ最大株主として主導し
Linux財団を支援する6つのテックジャイアント、AI脆弱性のノイズに対処するために1,250万ドルを拠出
AI自動化ツールによって生成される低品質なセキュリティレポートの洪水に対処するため、Anthropic、Amazon(AWS)、GitHub、Google、Microsoft、OpenAIの6大テック企業が、Linux Foundationのイニシアチブに対して総額1250万ドルの資金を提供しました。この投資は、オープンソースソフトウェア(FOSS)のメンテナーが手動でのスクリーニングという負担から解放され、本格的なセキュリティ脅威に集中できることを目的としています。AI技術が脆弱性発見のハー
アルトマン証言の中で、マスクはOpenAIを子供たちに譲ることを検討した
今朝、OpenAIのCEOサム・アルトマン氏は、同社の企業構造に異議を唱える元共同創設者エロン・マスク氏の訴訟に対応するため証言台に立った。「営利子会社を設立してAI搭載製品を市場に出すことで、他の創設者たちが『慈善団体を盗んだ』」というマスク氏の主張について問われると、アルトマン氏は明らかなためらいを示して応答した。「その枠組みを処理するのは難しい」と、アルトマン氏は一時の間を置いて語った。「私たちは世界最大の慈善団体の一つを設立した。財団は素晴らしい活動を行っており、今後もさらに多くのこ





家






